V
主页
一文读懂多模态,230页多模态综述开源了!涵盖了CV,NLP,图文多模态的经典方法和SOTA模型
发布人
-
打开封面
下载高清视频
观看高清视频
视频下载器
情绪,不是被管住的,而是被消灭的
结合Transformer的YOLOv8多模态 融合可见光+红外光(RGB+IR)双输入 完美复现论文【附代码】
文献综述真的不难写!科研小白没思路的时候,用这四个套路,3天写5000字包稳的!#研究生#SCI#开题报告
文本引导的虚拟试衣来了,多模态在时尚领域的又一杀器!一键更换模特服装!目前代码模型已开源!
关于《多模态大型语言模型》的 最新综述,从对比到分析再到 不足,为其发展提供宝贵意见
鹏城实验室学者提出了一种新的视频语言多模态预训练模型SOTA-VLP,融合了空间时序建模方法,捕获细粒度特征,多项任务取得SOTA!
9位Science院士联名发表人工智能发展长篇综述,涵盖了智能计算的基础理论,智能计算融合的重要应用和挑战!
百度要放弃基础通用大模型的研发了?
2024强推!终于有教程把【深度学习时间序列预测】讲透彻了!LSTM、Informer、ARIMA模型、Pandas从零详解,迪哥半天带你搞定时间序列任务实战!
CVPR2023 基于掩码的视觉和语言Transformer,能够同时完成以文生图和Image Captioning两种多模态生成任务,且效果非常不错!
阿里达摩院提出了新的多边形战士模型mPLUG-2,在各种视觉,文本以及多模态任务上均取得不错的性能,超过BEIT V3和EVA!
[理解和生成]的大一统,微软提出BLIP多模态模型,取得下游多项任务SOTA!
微软多模态团队提出了新的语言增强多模态预训练大模型,可以类似BLIP2进行多模态chat,效果很惊艳!
性能翻倍!LSTM+Transformer王炸创新,荣登Nature,精度高达95.56%!!整理11种融合创新方案!机器学习|深度学习|计算机视觉
【多模态大模型高峰论坛】吴飞教授:大语言模型:从通用基座到垂域赋能的实践和思考
鹏城实验室开放了45页多模态预训练大模型综述!总结了近5年多模态预训练相关的算法和数据!多模态预训练学习包!
最强视觉backbone网络ConvNext v2来了!Meta AI融合了视觉掩码自监督框架,提出新的新的SOTA算法!目前代码和模型已开源!
39页视觉问答(VQA)和视觉推理综述论文来了!涉及近30个数据集,50多种经典方法,VQA终于学会了!
大模型烧钱的原因
微软亚研提出了小模型蒸馏方法TinyMIM!MIM预训练小模型性能提升4个百分点!目前模型和代码均已开源!
多模态模型+Sam2 CV视频物体处理 更上新台阶, Sam2会是多模态领域的Chatgpt吗?
上海交大学者提出了第一个用于医学图像诊断的多模态ChatGPT模型,在各种医学诊断任务上取得SOTA!
京东提出全球首个面向遥感任务设计的亿级视觉Transformer大模型,基于百万级遥感数据集进行预训练,下游检测,分割等任务性能SOTA,目前模型和代码已开源!
吴恩达《使用Gemini进行大型多模态模型提示|Large Multimodal Model Prompting with Gemini》(豆包翻译
大模型市场的红海和蓝海
人工智能 算法工程师 面试刷题精讲实战班,开课啦!
大模型对游戏行业的颠覆
【论文导读】多模态大语言模型综述(五)多模态幻觉
给多模态加Buffer,GNN在视觉语言下游任务的应用综述来了!包含125篇相关论文,涉及Image Captioning,VQA,Retrieval三大方向!
8、qwen2多模态语音聊天搭建及效果展示
亚马逊学者提出了既能看又能读的多模态场景理解模型,支持传统的VQA以及文本VQA!
超越所有YOLO检测模型,mmdet开源当今最强最快的目标检测器RTMDet!
新年大礼包,图像分割领域近230页综述开源了!涵盖图像语义分割,实例分割以及3D视频分割等多种场景,涵盖了近百种经典算法,30多个开源数据集!
跨模态细粒度高清检索项目
多模态Chat来了,Salesforce Research学者提出BLIP-2,利用多模态预训练和语言大模型能力在相关任务上取得SOTA,也可以实现多模态对话!
字节联合爱丁堡大学提出新的视觉预训练方法MUG,取得新的SOTA!模型和代码均已开源,快来领取!
图片视频内容分析总结对话软件,视觉语言理解多模态大语言模型,MiniCPM-V一键整合包下载
幻方发布超强多模态LLM DeepSeek-VL!支持代码,文档OCR等!
【2024最新完整版】不愧是李宏毅教授!一口气学完机器学习、深度学习、强化学习、NLP、生成式AI等课程!一套全解决!
大模型是何种智能?